【正文】 量的類別印象深，而對(duì)出現(xiàn)次數(shù)少的類別印象淺。 初始權(quán)值的設(shè)計(jì) 網(wǎng)絡(luò)權(quán)值的初始化決定了網(wǎng)絡(luò)的訓(xùn)練從誤差曲面的哪一點(diǎn)開始，因此初始化方法對(duì)縮短網(wǎng)絡(luò)的訓(xùn)練時(shí)間至關(guān)重要。一種辦法是，使初始權(quán)值足夠??；另一種辦法 是，使初始值為 +1 和 1 的權(quán)值數(shù)相等。隱節(jié)點(diǎn)數(shù) 量太少，網(wǎng)絡(luò)從樣本中獲取的信息能力就差，不足以概括和體現(xiàn)訓(xùn)練集中的樣本規(guī)律；隱節(jié)點(diǎn)數(shù)量過多，又可能把樣本中非規(guī)律性的內(nèi)容也學(xué)會(huì)牢記，從而出現(xiàn)所謂過度吻合問題，反而降低了泛能力。 網(wǎng)絡(luò)訓(xùn)練與測(cè)試 網(wǎng)絡(luò)設(shè)計(jì)完成后，要應(yīng)用設(shè)計(jì)值進(jìn)行訓(xùn)練。在隱節(jié)點(diǎn)數(shù)一定的情況下，為獲得好的泛化能力，存在著一個(gè)最佳訓(xùn)練次數(shù)。也就是說一個(gè)模糊系統(tǒng)，它的狀態(tài)或輸入、輸出具有模糊性。它的組成核心是具有智能性的模糊控制器。實(shí)際上，模糊邏輯控制是利用模糊邏輯建立一種“自由模型”的非線形控制算法，特別是在那些采用傳統(tǒng)定量技術(shù)分析過于復(fù)雜的過程、結(jié)構(gòu)如圖所示。 (2)對(duì)模糊量有給定的規(guī)則進(jìn)行模糊推理（規(guī)則庫、推理決策完成）。每一個(gè)限定碼表示論域的序數(shù)，每一個(gè)限定碼表示論域內(nèi)的一個(gè)模糊子集，并有其隸屬度函數(shù)來定義，對(duì)于某一個(gè)輸入值，它必定與某一個(gè)特定限定碼的隸屬度相對(duì)應(yīng)。對(duì)于圖 b 只有在 0x 點(diǎn)處的隸屬度為 1，其它輸入對(duì)應(yīng)的隸屬度都為 0。一旦模糊集設(shè)計(jì)完成，則對(duì)于任意的物理輸入 x，如何將其映射到模糊系統(tǒng)中去呢？映射的過程實(shí)際上是將當(dāng)前的物理輸入根據(jù)模糊子集的分布情況確定出此時(shí)此刻輸入值對(duì)這些模糊子集的隸屬度，因此，為了保證在所有論域內(nèi)的輸入量都能與某一模糊子集相對(duì)應(yīng)，模糊子集（限定碼）的數(shù)目和范圍必須遍及整個(gè)論域。 模糊控制的設(shè)計(jì)的主要任務(wù)是以被控系統(tǒng)的性能指標(biāo)作為設(shè)計(jì)和調(diào)節(jié)控制器參數(shù)的依據(jù)。 推理決策邏輯 )(x? x )(x? )(x? 39。它的實(shí)質(zhì)是模糊邏輯推理。逆模糊化可以采取很多不同的方法，用不同的方法，用不同的方法所得的結(jié)果也是不同的。因此，難免會(huì)丟失許多信息。即 ??? v vvvdvdvvvv?? )(0 ??????????????? ????? （ ） 對(duì)于具有 m個(gè)輸出量化級(jí)數(shù)的離散論域情況 ?????mkkvmkkvkvvvv110)()(?????????????????? ???? （ ） 與最大隸屬度法相比較，重心法具有更平滑的輸出推理控制。當(dāng)系數(shù) ik 取為 )( iv v? 時(shí)，就轉(zhuǎn)化重心法了。由此才能用檢測(cè)到的輸入量作為模糊控制規(guī)則中條件來運(yùn)用模糊控制鬼子進(jìn) 行推理。 (3)精確化計(jì)算 顯然模糊輸出量是不能直接去控制執(zhí)行部件的，在這確定的范圍中，還必須要確定一個(gè)認(rèn)為最具有代表性的值作為真正的輸出控制量。不失一般性，假設(shè)模糊控制器的輸入量為系統(tǒng)的誤差 24 e 和誤差變化 de、輸出變量為系統(tǒng)控制值 u。圖中 E、 DE、U 為誤差 e、誤差變化 de、控制量 u的模糊集。為了克服實(shí)時(shí)計(jì)算量大的缺點(diǎn)，常規(guī)模糊控制在實(shí)際應(yīng)用中通常采用的是查表法。但是，語言值分檔太多，有可能使控制規(guī)則變得很復(fù)雜，編制程序比較困難，占用的內(nèi)存儲(chǔ)器容量也較多；選擇較少的分檔，控制規(guī)則相應(yīng)變少，規(guī)則的實(shí)現(xiàn)方便了，可是過少的規(guī)則又會(huì)使控制作用變得粗糙而達(dá)不到預(yù)期效果。由于語言變量值的檔數(shù)不能過多也不能過少（一般 2~10 檔），基于同樣的道理，模糊論域中元素也不能太多或太少。最后，計(jì)算機(jī)將此量化值乘以比例因子（ k3）得到最終的輸出控制量。下面，我們以溫度控制系統(tǒng)的模糊控制器設(shè)計(jì)為例來說明查表法模糊控制 器的設(shè)計(jì)步驟 [17]。首先確定各語言變量論域內(nèi)模糊子集的個(gè) 數(shù)。它可以通過查詢將當(dāng)前時(shí)刻模糊控制器的輸入變量量化值（如誤差、誤差變化量化值所）對(duì)應(yīng)的控制輸出值作為模糊邏輯控制器的最終輸出，從而達(dá)到快速實(shí)時(shí)控制。能否根據(jù)控制系統(tǒng)的性能來在 線整定比例因子 ke、 ku、 kec，使它們保持合適的數(shù)值，從而使系統(tǒng)的性能達(dá)到令人滿意的水平 ?答案是肯定的。 （ 1） 參數(shù)在線自校正模糊控制器的結(jié)構(gòu) 本文采用的參數(shù)在線 自校正模糊控制器結(jié)構(gòu)如圖 所示。ec。因此，為使控制系統(tǒng)有較快的響應(yīng)速度和小的超調(diào)，通常應(yīng)采取的參數(shù)校正原則是：在偏差大時(shí)采用大的 ek 、 uk 、 ik 和小的 eck 以加快速度，偏差小時(shí)采用小的 ek 、 uk 、 ik 和大的 eck 以抑制超調(diào)。 第 3 章 神經(jīng)網(wǎng)絡(luò) 在 電力電子裝置故障檢測(cè) 與診斷研究 故障與 方案的提出 電力電子電路的實(shí)際運(yùn)行中大多數(shù)故障表現(xiàn)為晶閘管損壞 ,電力電子電路的故障診斷與一般的模擬電路 ,數(shù)字電路及開關(guān)電容網(wǎng)絡(luò)的故障診斷有一個(gè)重要的差別 ,即故障 29 信息只存在于發(fā)生故障后到停電之前數(shù)十毫秒以內(nèi) , 所以需要?jiǎng)討B(tài)監(jiān)視 amp。其由于 GTO 元件開關(guān)頻率 的限制 ,單相逆變器在半個(gè)周波內(nèi)只導(dǎo)通截止一次 ,因此輸出電壓是一個(gè)方波。 變壓器的原邊分別接單相逆變器的輸出，副邊按圖 1 方式。每相有 0、 40 度 等 3 種相位，三相一共用了 9 臺(tái)變壓器和 9 個(gè)單相逆變器。本文主要研究利用虛擬儀器 ,應(yīng)用神經(jīng)網(wǎng)絡(luò)理論進(jìn)行電力電子電路的故障診斷 ,利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力 ,使故障波形與故障原因之間的關(guān)系通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)后保存在其結(jié)構(gòu)之中 ,然后將學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)用于故障診斷 ,神經(jīng)網(wǎng)絡(luò)就可通過對(duì)當(dāng)前電壓波形的分析 ,得出故障原因 ,從而實(shí)現(xiàn)故障的在線自動(dòng)診斷。采用調(diào)整原則③有兩個(gè)好處：一是便于提高偏差很小時(shí)控制器的調(diào)節(jié)能力，從而使輸出 y 在接近穩(wěn)態(tài)值時(shí)能迅速拉入穩(wěn)態(tài)，并有利于提高穩(wěn)態(tài)精度，且此時(shí)因?yàn)槠詈苄。?ek 、 uk 的增大一般也并不會(huì)引起超調(diào)；二是提高在輸入動(dòng)態(tài)變化范圍很小時(shí)系統(tǒng)的響應(yīng)速度。 為改進(jìn)基本模糊控制器的性能，特引入?yún)?shù)自校正機(jī)制，根據(jù)偏差 u 分別對(duì)量化因子 ek 、 eck 和比例因子 uk 、積分因子 ik 進(jìn)行在線校正，構(gòu)成參數(shù)在線自校正模糊控制器。分別以偏差 E 和偏差變化率 EC作為模糊控制輸入，其中 E和 EC 由實(shí)際偏差 e和偏差變化率 ec 經(jīng)量化得來，以適應(yīng)不同的動(dòng)態(tài)變化范圍要求，量化因子為 ek 、 eck ，即： E=ke本節(jié)提出了一種參數(shù)在線自校正模糊控制器，采用改進(jìn)的參數(shù)校正原則，在控制過程中根據(jù)不同的給定偏差值對(duì)模糊控制器的偏差量化因子、偏差變化率量化因子以及比例因子、積分因子等進(jìn)行校正。 模糊控制器的改進(jìn) 考慮典型的單變量二維模糊控制器，根據(jù)模糊控制器代數(shù)模型的分析，有： )( eckekfkU eceu ?? ????????????????????? （ ） f 是非線性函數(shù)。確定模糊控制規(guī)則的原則是必須保證控制器的輸出能夠使系統(tǒng)輸出響應(yīng)的動(dòng)靜態(tài)特性達(dá)到最佳。 (2)確定各輸入、輸出變量的變化范圍、量化等級(jí)和量化因子 k1,k2,k3。圖中 k1,k2 分別為誤差 e 和誤差變化 de 的量化比例因子、 k3 為控制量的量化比例因子。 查表法的基本思想是通過離線計(jì)算取得一個(gè)模糊控制表，并將其控制表存放在計(jì)算機(jī)內(nèi)存中。 在采用合成推理算法時(shí)，為了在實(shí)時(shí)控制中避免模糊關(guān)系矩陣合成運(yùn)算所浪費(fèi)的計(jì)算機(jī)時(shí)間，總是在脫機(jī)狀態(tài)下將全部輸入輸出之間的關(guān)系計(jì)算出來，形成一張控制表（響應(yīng)表），存入計(jì)算機(jī)內(nèi)存中，在某一采樣時(shí)刻根據(jù)輸入變量去查控制表就得到輸出響應(yīng)。另外，人的動(dòng)作有正、反兩個(gè)方向，客觀事物有正負(fù)兩種狀態(tài)，因此可進(jìn)一步將模糊語言變量用若干個(gè)語言子值描述，如“負(fù)大”、“負(fù)中”、“負(fù)小”、“零”、“正小”、“正中”、“正大”等，對(duì)于“零”有時(shí)還可細(xì)分為“負(fù)零”、“正零”，然后根據(jù)需要，還可以對(duì)模糊語言變量的取值加上不同的程度副詞（語氣算子），如“很”、 “非常”、“稍微”等，這樣就使得對(duì)事物的描述顯得更生動(dòng)、豐富多彩。然而，在實(shí)際應(yīng)用中，由于模糊關(guān)系矩陣 R 是一個(gè)高階矩陣，如果對(duì)于任何瞬間的系統(tǒng)誤差 Ei 和誤差變化 DEj 都用式（ 311）合成計(jì)算出即時(shí)控制輸出 Cij,顯然要花費(fèi)大量的計(jì)算時(shí)間。最后經(jīng)精確化計(jì)算得到精確的控制值去控制被控對(duì)象。且大多數(shù)模糊邏輯推理方法采用 Mamdani 極大極小推理法。 (2)模糊化邏輯推理 根據(jù)事先已制定好的一組模糊條件語句構(gòu)成的模糊控制規(guī)則，運(yùn)用模糊數(shù)學(xué)理論對(duì)模糊控制規(guī)則進(jìn)行計(jì)算推理，實(shí)際上根據(jù)模糊控制規(guī)則對(duì)輸入的一系列條件進(jìn)行綜合評(píng)估，以得到一個(gè)定性的用語言表示的量，這個(gè)結(jié)果只告訴你某一個(gè)確定的輸出范圍，即所謂模糊輸出量 。 綜 上分析可知，模糊邏輯控制的過程主要有三個(gè)步驟：模糊化過程、模糊邏輯推理、精確化計(jì)算，即 (1)模糊化過程 所謂模糊化過程就是通過傳感器把受控對(duì)象的相關(guān)物理量轉(zhuǎn)換為電量，若傳感器的輸出量是連續(xù)的模擬量，還要通過 A/D 轉(zhuǎn)換成數(shù)字量作為計(jì)算機(jī)的輸入測(cè)量值；接著再將此輸入測(cè)量值作為標(biāo)準(zhǔn)化處理，即把其變化范圍影射到相應(yīng)論域中，再將論域中的該輸入數(shù)據(jù)轉(zhuǎn)換成相應(yīng)語言變量的術(shù)語，并構(gòu)成模糊集合。 （ 3） 加權(quán)平均法 如權(quán)平均法的最終輸出值是有下式?jīng)Q定的 ?????miimiiikkvv110 ???????????????????? ????? （ ） 這里的系數(shù) ik 的選擇要根據(jù)實(shí)際情況而定。所以在一些控制要求不高的場(chǎng)合，采 用最大隸屬度函數(shù)法是非常方便的。 即 )(max vv? Vv? 如果在輸出論域 V 中，其最大隸屬度函數(shù)對(duì)應(yīng)的輸出值多于一個(gè)時(shí)，簡(jiǎn)單的方法是取所有具有最大隸屬度輸出的平均，即： ??? Jj jvJv101 ))((ma x vvvVvj ??? }{vJ? ， J 為具有相同最大隸屬度輸出的總數(shù)。但在實(shí)際使用中，提別是在模糊控制中，必須要有一個(gè)確定的值才能去控制或驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)。B x x 39。一般說來，模糊控制器設(shè)計(jì)需要考慮的設(shè)計(jì)參數(shù) :有采樣頻率（根據(jù)香農(nóng)定理和被控過程控制的技術(shù)限制來選擇）、量化等級(jí)（它嚴(yán)重影響系統(tǒng)的響應(yīng)，如超調(diào)、上升時(shí)間、穩(wěn)態(tài)精度等），隸屬度函數(shù)的類型和不同隸屬度函數(shù)之間的重疊率、規(guī)則的數(shù)目和精確化計(jì)算方法。 圖 模糊化函數(shù) 知識(shí)庫 知識(shí)庫包括數(shù)據(jù)庫和規(guī)則庫，數(shù)據(jù)庫提供必要的定義，包含了語言控制規(guī)則論域的離散化、量化和正則化以及輸入空間的分區(qū)、隸屬度函數(shù)的定義等。除以上三種隸屬 度函數(shù)之外，其它類型的隸屬度函數(shù)曲線只要符合一定的條件也是可以的。圖給出了輸入變量 0x 屬于語言 39。 圖 FLC 基本結(jié)構(gòu)圖 因此，模糊控制器的設(shè)計(jì)問題就是模糊化過程、知識(shí)庫（含數(shù)據(jù)庫和規(guī)則庫）、理決策和精確化計(jì)算四部分的設(shè)計(jì)問題。很顯然，模糊控制系統(tǒng)在結(jié)構(gòu)上與傳統(tǒng)的控制系統(tǒng)沒有太大的差別，主要不同之處在于控制器采用了模糊控制器。模糊邏輯控制 的基礎(chǔ)是模糊邏輯。該過程 20 本身并不一定是模糊的。 模糊控制系統(tǒng) 模糊控制系統(tǒng)的組成 所謂系統(tǒng)指的是兩個(gè)以上彼此聯(lián)系又相互作用的對(duì)象構(gòu)成的具有某種功能的集體。在訓(xùn)練過程中要反復(fù)使用樣本 集數(shù)據(jù)，但每一輪最好不按固定順序取數(shù)據(jù)。確定最佳隱節(jié)點(diǎn)數(shù)的一個(gè)常用方法稱為試湊法，可先設(shè)置較少的隱節(jié)點(diǎn)訓(xùn)練網(wǎng)絡(luò)，然后逐漸增加隱節(jié)點(diǎn)數(shù)，用同一樣本集進(jìn)行訓(xùn)練，從中確定網(wǎng)絡(luò)誤差最小時(shí)對(duì)應(yīng)的隱節(jié)點(diǎn)數(shù)。在設(shè)計(jì)多層前饋網(wǎng)時(shí)，一般先考慮設(shè)一個(gè)隱層，當(dāng)一個(gè)隱層的隱節(jié)點(diǎn)數(shù)很多仍不能改善網(wǎng)絡(luò)性能時(shí)，才考慮再增加一個(gè)隱層。這個(gè)不僅遠(yuǎn)離轉(zhuǎn)移函數(shù)的兩個(gè)飽和區(qū)，而且是其變化最靈敏的區(qū)域，必然使網(wǎng)絡(luò)的學(xué)習(xí)速度較快。因?yàn)橥悩颖咎袝?huì)使網(wǎng)絡(luò)訓(xùn)練時(shí)傾向于只建立與其匹配的映射關(guān)系，當(dāng)另一類樣本集中輸入時(shí)，權(quán)值的調(diào)整又轉(zhuǎn)向新的映射關(guān)系而將前面的訓(xùn)練結(jié)果 否定。樣本的選擇要注意樣本類別的均衡，盡量使每個(gè)類別的樣本數(shù)量大致相等。由于變換是非線形的，其結(jié)果不僅壓縮了數(shù)據(jù)變化的范圍，而且改善了其分布規(guī)律。 Sigmoid 轉(zhuǎn)移函數(shù)的輸出在 0~1 或 1~1 之間，作為教師信號(hào)的輸出數(shù)據(jù)如不進(jìn)行變換處理，勢(shì)必使數(shù)值大的輸出分量誤差大，數(shù)值小的輸出分量絕對(duì)誤差小，網(wǎng)絡(luò)訓(xùn)練時(shí)只針對(duì)輸出的誤差的調(diào)整權(quán)值，其結(jié)果是在總誤差中占分額小的輸出分量相對(duì)誤差較大，對(duì)輸出量進(jìn)行尺度變換后這個(gè)問題可迎刃而解。輸出量可以是數(shù)值變量，也可以是語言變 量。 ④ 圖象輸入 當(dāng)需要對(duì)物體的圖象進(jìn)行識(shí)別時(shí)，很少直接將每個(gè)像素點(diǎn)的灰度值作為網(wǎng)絡(luò)的輸入。 ② 曲線輸入 多層前饋網(wǎng)在模式識(shí)別類應(yīng)用中常被用來識(shí)別各種設(shè)備輸出的波形曲線，對(duì)于這類輸入模式，常用的表示方法是提取波形在個(gè)區(qū)間分界點(diǎn)的值，以其作為網(wǎng)絡(luò)輸入向量的分量值。 （ 4） 輸入量的提取與表示 在很多情況下，神經(jīng)網(wǎng)絡(luò)的輸入量無法直接獲得，常常需要用信號(hào)處理與特征提取技術(shù)從原始數(shù)據(jù)中提取能反映其特征的若干特征參數(shù)作為網(wǎng)絡(luò)的輸入。這些變量可能是事先確定的，也可能不夠明確，需要進(jìn)行一番篩選。因此，當(dāng)實(shí)際問題不能提供較多的訓(xùn)練樣本時(shí)，必需設(shè)法減少樣本維數(shù)， 從而降低。 基于 BP 算法的多層前饋網(wǎng)絡(luò)設(shè)計(jì)基礎(chǔ) （ 1） 網(wǎng)絡(luò)信息容量與訓(xùn)練樣本數(shù) 多層 前饋網(wǎng)絡(luò)的分類能力與網(wǎng)絡(luò)信息容量相關(guān)。實(shí)現(xiàn)